Diffusion ThomsonLa diffusion Thomson est la diffusion d'un photon de faible énergie sur une particule chargée de matière au repos, généralement un électron libre, c'est-à-dire non lié à un atome. La diffusion Thomson est un des deux régimes particuliers de la diffusion Compton plus générale. Cette diffusion a été expliquée par Joseph John Thomson. Cette diffusion (voir Diffusion des particules) s'effectue pour des énergies faibles, le rayonnement électromagnétique est absorbé puis réémis par la particule.
Neural networkA neural network can refer to a neural circuit of biological neurons (sometimes also called a biological neural network), a network of artificial neurons or nodes in the case of an artificial neural network. Artificial neural networks are used for solving artificial intelligence (AI) problems; they model connections of biological neurons as weights between nodes. A positive weight reflects an excitatory connection, while negative values mean inhibitory connections. All inputs are modified by a weight and summed.
Codes for electromagnetic scattering by spheresCodes for electromagnetic scattering by spheres - this article list codes for electromagnetic scattering by a homogeneous sphere, layered sphere, and cluster of spheres. Majority of existing codes for calculation of electromagnetic scattering by a single sphere is based on Mie theory which is an analytical solution of Maxwell's equations in terms of infinite series. Other approximations to scattering by a single sphere include: Debye series, ray tracing (geometrical optics), ray tracing including the effects of interference between rays, Airy theory, Rayleigh scattering, diffraction approximation.
Types of artificial neural networksThere are many types of artificial neural networks (ANN). Artificial neural networks are computational models inspired by biological neural networks, and are used to approximate functions that are generally unknown. Particularly, they are inspired by the behaviour of neurons and the electrical signals they convey between input (such as from the eyes or nerve endings in the hand), processing, and output from the brain (such as reacting to light, touch, or heat). The way neurons semantically communicate is an area of ongoing research.
Géométrie complexeIn mathematics, complex geometry is the study of geometric structures and constructions arising out of, or described by, the complex numbers. In particular, complex geometry is concerned with the study of spaces such as complex manifolds and complex algebraic varieties, functions of several complex variables, and holomorphic constructions such as holomorphic vector bundles and coherent sheaves. Application of transcendental methods to algebraic geometry falls in this category, together with more geometric aspects of complex analysis.
Nombre complexeEn mathématiques, l'ensemble des nombres complexes est actuellement défini comme une extension de l'ensemble des nombres réels, contenant en particulier un nombre imaginaire noté i tel que i = −1. Le carré de (−i) est aussi égal à −1 : (−i) = −1. Tout nombre complexe peut s'écrire sous la forme x + i y où x et y sont des nombres réels. Les nombres complexes ont été progressivement introduit au par l’école mathématique italienne (Jérôme Cardan, Raphaël Bombelli, Tartaglia) afin d'exprimer les solutions des équations du troisième degré en toute généralité par les formules de Cardan, en utilisant notamment des « nombres » de carré négatif.
MétamatériauEn physique, en électromagnétisme, le terme métamatériau désigne un matériau composite artificiel qui présente des propriétés électromagnétiques qu'on ne retrouve pas dans un matériau naturel. Il s'agit en général de structures périodiques, diélectriques ou métalliques, qui se comportent comme un matériau homogène n'existant pas à l'état naturel. Il existe plusieurs types de métamatériaux en électromagnétisme, les plus connus étant ceux susceptibles de présenter à la fois une permittivité et une perméabilité négatives.
Analyse complexeL'analyse complexe est un domaine des mathématiques traitant des fonctions à valeurs complexes (ou, plus généralement, à valeurs dans un C-espace vectoriel) et qui sont dérivables par rapport à une ou plusieurs variables complexes. Les fonctions dérivables sur un ouvert du plan complexe sont appelées holomorphes et satisfont de nombreuses propriétés plus fortes que celles vérifiées par les fonctions dérivables en analyse réelle. Entre autres, toute fonction holomorphe est analytique et vérifie le principe du maximum.
Sparse dictionary learningSparse dictionary learning (also known as sparse coding or SDL) is a representation learning method which aims at finding a sparse representation of the input data in the form of a linear combination of basic elements as well as those basic elements themselves. These elements are called atoms and they compose a dictionary. Atoms in the dictionary are not required to be orthogonal, and they may be an over-complete spanning set. This problem setup also allows the dimensionality of the signals being represented to be higher than the one of the signals being observed.
Simple random sampleIn statistics, a simple random sample (or SRS) is a subset of individuals (a sample) chosen from a larger set (a population) in which a subset of individuals are chosen randomly, all with the same probability. It is a process of selecting a sample in a random way. In SRS, each subset of k individuals has the same probability of being chosen for the sample as any other subset of k individuals. A simple random sample is an unbiased sampling technique. Simple random sampling is a basic type of sampling and can be a component of other more complex sampling methods.
